Отбросьте векторы поддержки для линейного классификатора машины опорных векторов (SVM)
возвращает обученную, линейную модель Mdl
= discardSupportVectors(MdlSV
)Mdl
машины опорных векторов (SVM). Оба
Mdl
и обученная, линейная модель SVM MdlSV
тот же тип объекта. Таким образом, они оба - любой ClassificationSVM
объекты или CompactClassificationSVM
объекты. Однако Mdl
и MdlSV
отличайтесь следующими способами:
Alpha
, SupportVectors
, и SupportVectorLabels
свойства пусты ([]
) в Mdl
.
Если вы отображаете Mdl
, программное обеспечение перечисляет Beta
свойство вместо Alpha
.
Для обученной, линейной модели SVM, SupportVectors
свойством является nsv-by-p матрица. nsv является количеством векторов поддержки (самое большее размер обучающей выборки), и p является количеством предикторов или функциями. Alpha
и SupportVectorLabels
свойства являются векторами с элементами nsv. Эти свойства могут быть большими для наборов комплексных данных, содержащих много наблюдений или примеров. Beta
свойство является вектором с элементами p.
Если обученная модель SVM имеет много векторов поддержки, используйте discardSupportVectors
уменьшать сумму места, занимавшего обученной, линейной моделью SVM. Можно отобразить размер матрицы вектора поддержки путем ввода size(MdlSV.SupportVectors)
.
predict
и resubPredict
оцените баллы SVM f (x), и впоследствии пометьте и оцените использование апостериорных вероятностей
β является Mdl.Beta
и b является Mdl.Bias
, то есть, Beta
и Bias
свойства Mdl
, соответственно. Для получения дополнительной информации смотрите Машины опорных векторов для Бинарной Классификации.
ClassificationECOC
| ClassificationSVM
| CompactClassificationSVM
| discardSupportVectors
| fitcsvm
| templateSVM